随着网络通信技术的快速发展,无线智能设备的大规模普及,移动数据流量的爆炸式增长,在接入点(Access Point,AP)上部署内容缓存被认为是有前景的研究方向。尤其是在AP密集部署的网络场景下,边缘缓存不仅可以有效减轻回程链路的负载,还可以缩短用户的下载时延。然而,设计无线边缘的缓存策略是具有挑战性的,内容的流行度与用户的偏好是影响缓存命中率的重要因素。AP使能缓存之后,关联策略也将发生改变,仅仅考虑负载均衡与多速率无法使无线局域网的性能达到最优。本文基于无线信息中心网的架构,提出了基于用户社会性与移动性的缓存放置策略。首先,利用大数据技术与机器学习算法处理用户的历史请求数据,从中提取用户的社会性与移动性信息。具体地,利用贝叶斯矩阵分解技术求解用户评分矩阵中的未知元素,利用K-均值聚类算法对内容进行聚类,利用转移概率矩阵来分析用户的移动性规律。其次,把AP的缓存空间划分为三个区域并通过齐普夫公式计算内容流行度,把流行度高的内容存储在对应的AP缓存区域。然后,公式化内容缓存、AP负载、多速率对关联的影响,以最小化用户平均下载时延为目标求解用户与AP之间的关联问题。缓存与关联的联合优化问题是NP-Hard难题,很难直接利用数学工具进行求解。本文基于MMKP模型对该问题进行优化并设计启发式算法并与经典的缓存关联算法进行对比。仿真结果表明本文提出的算法具有很好的性能。